#基于TensorFlow的强化学习框架Dopamine是一个快速实现强化学习算法原型的研究框架，基于TensorFlow实现，旨在为研究人员提供一个简单易用的-易于使用的实验环境可以满足用户对小型、易于访问的代码库的需求，用户可以在研究过程中轻松构建实验来验证自己的想法。项目链接https://github.com/google/dopamineTransmogrifAI#End-to-endAutoMLlibraryforstructureddataTransmogrifAI是一个用Scala编写并运行在Spark上的AutoML库，由Salesforce开源。该项目旨在通过自动机器学习技术帮助开发者加速产品化进程。只需几行代码，即可自动完成数据清洗、特征工程和模型选择，进而训练出高性能模型，进行进一步的探索和迭代。关于AutoML：神经网络架构搜索(NAS)概述|附上AutoML数据推荐项目链接https://github.com/salesforce/TransmogrifAIOpenNRE#神经网络关系抽取工具包OpenNRE是一个基于TensorFlow的神经网络关系抽取工具包，由清华大学计算机系刘志远课题组开发，开源。本项目将关系抽取分为四个步骤：Embedding、Encoder、Selector和Classifier。项目链接https://github.com/thunlp/OpenNRETensorFlowModelAnalysis#TensorFlow模型分析开源库TFMA是来自谷歌的开源库，用于帮助TensorFlow用户分析训练好的模型。用户可以使用Trainer中定义的指标以分布式方式评估基于大量数据的模型。可以根据不同的数据片段计算这些指标，并在JupyterNotebooks中可视化结果。项目链接https://github.com/tensorflow/model-analysis#通用深度学习模型部署框架GraphPipe是甲骨文公司开源的通用深度学习模型部署框架，旨在帮助用户简化机器学习模型的部署和转换它们来自从特定于框架的模型的实现中解放出来的协议和软件的集合。GraphPine可以为跨深度学习框架的模型、开箱即用的部署解决方案和强大的性能提供通用的API。目前支持TensorFlow、PyTorch、MXNet、CNTK、Caffe2等框架。项目链接https://github.com/oracle/graphpipeONNXModelZoo#通用深度学习预训练模型合集本项目汇集了目前可用的各种深度学习预训练模型，都是Facebook和微软推出的ONNX(OpenNeuralNetworkExchange)格式，支持不同框架之间的模型传输。每个模型都有一个对应的JupyterNotebook，里面包含模型训练、运行推理、数据集和引用等信息。项目链接https://github.com/onnx/models基于深度学习的106点人脸标定算法#良心级开源人脸标定算法良心级开源人脸标定算法，包括人脸美化、化妆、匹配活体检测和人脸校准的预处理步骤。本项目Windows项目在传统SDM算法的基础上，通过修改开源代码，简化并保留部分测试代码，优化代码结构。Android代码基于深度学习，我们设计了一个高效的网络模型，该模型具有鲁棒性并支持多人脸跟踪。目前，深度学习算法在人脸标定方向取得了较好的效果。该项目旨在提供一个相对简单易用的实现。
